一种结合神经网络和敏感位置语义的轨迹隐私保护方法

目前，现有的轨迹隐私保护工作大多数考虑的是敏感位置或敏感区域，未能考虑到敏感位置语义且未能精准的描述出位置语义的敏感程度.针对此问题，本文提出了一个TP-SLS(A trajectory privacy protection method combining neural networks and sensitive location semantics)方法.首先，提出了敏感度感知算法，用于量化位置语义敏感度，实现“原子化”保护.其次，为了构建用户的敏感移动场景，建立了一个包含时空信息和位置语义敏感度的四元组并使用差分隐私进行干扰.同时，使用深度神经网络预测轨迹.最后，由于预测的轨迹存在废数据，提出了基于强化学习的优化轨迹算法，用于提高数据质量，完成轨迹数据发布.实验结果表明，TP-SLS方法在隐私保护强度和数据可用性两个方面优于现有的方案.